<30C7A5C1F62E687770>

Transcription

1 1855 호

2 주간기술동향 은과학기술정보통신부 ICT 동향분석및정책지원 과제의일환으로정보통신기술진흥센터 (IITP) 에서발간하고있습니다. 주간기술동향 은인터넷 ( 을통해서비스를이용할수있으며, 본고의내용은필자의주관적인의견으로 IITP의공식적인입장이아님을밝힙니다. 정보통신기술진흥센터의 주간기술동향 저작물은공공누리 출처표시- 상업적이용금지 조건에따라이용할수있습니다. 공공누리의제2유형에따라상업적이용은금지하나, 별도의이용허락 을받을경우에는가능하오니이용하실때공공누리출처표시지침을참조하시기바랍니다.( 참고 ) 예시 ) 본저작물은 OOO( 기관명 ) 에서 OO년 작성하여공공누리제O유형으로개방한 저작물명 ( 작성자 :OOO) 을이용하였으며, 해당저작물은 OOO( 기관명 ), OOO( 홈페이지주소 ) 에서무료로다운받으실수있습니다.

3 ICT 신기술 최신 ICT 이슈 1855 호 기획시리즈 2 딥러닝기반도심지교통혼잡해결 [ 이홍석 / 한국과학기술정보연구원 ] Ⅰ. 서론 Ⅱ. 딥러닝기반도심지교통혼잡예측 Ⅲ. 강화학습의응용분야 Ⅳ. 결론및시사점 ICT 신기술 14 에듀테크의기술및콘텐츠동향 [ 백정열 / 미래융합정보기술 ] Ⅰ. 서론 Ⅱ. 국외동향 Ⅲ. 국내동향 Ⅳ. 결론 최신 ICT 이슈 29 Ⅰ. ICT 기술과브랜딩전략이낳은미래형헬스장, 식스패드스테이션 Ⅱ. 다음에쓸문장을자동으로알려주는 G메일의새로운 AI 기능 Ⅲ. 오픈AI, 위화감없이두얼굴을합성해주는 글로우 기술발표 Ⅵ. AI에의해출현한불완전한것을완벽하게만드는기술들

4 주간기술동향 딥러닝기반도심지교통혼잡해결 * 이홍석한국과학기술정보연구원단장 인구의증가에따라늘어나는도심지교통혼잡비용문제는여러가지기술개발추진에도불구하고개선되지않는대표적인사회현안문제이다. 이러한국민생활문제를해결하기위해새로운패러다임의인공지능 (AI) 혁신기술개발이필요하다. 최근정부에서는 4차산업혁명대응을위해지능형인프라응용분야의혁신기술개발을추진하고있다. 인공지능기반교통분야에서데이터기반도심지교통혼잡비용해결을위한인공지능기반융합기술개발이시급하다. 본고에서는이러한문제해결을위해딥러닝기반도심지교통혼잡예측기법과강화학습기반신호제어기술을소개하고자한다. I. 서론 인공지능 (AI) 기술의비약적인발전은국내외적으로경제성장과사회난제해결의돌파구가될것으로기대되고있다. AI가향후경제 사회전반을혁신할근본기술임을고려해볼때국민삶의질과국가경쟁력제고를위한 AI 기술력확보는이제는필수가되었다. 최근정부에서는 I-KOREA 4.0 실현을위한 AI 기술, 인재, 인프라분야의현상황을종합분석하여 AI 기술력조기확보를위한 AI 연구개발전략을추진하고있다 [1]. 최근인공지능연구개발추세는국민의일상생활에영향을미치는심각한현안을해결하기위해인공지능기술을접목하는것이다. 예를들어, 교통혼잡비용문제를해결하기위해서는인공지능, 교통데이터, 딥러닝기술및고성능컴퓨팅등복합기술들이융합되어야한다. 도심지에서지속해서늘어나는교통량으로인해발생하는교통혼잡비용은줄어들지않고있다. 인구가밀집된대도시지역이더욱심해지고있어지속적인도시사회경제발전에저해 * 본내용은이홍석단장 ( , hsyi@kisti.re.kr) 에게문의하시기바랍니다. ** 본내용은필자의주관적인의견이며 IITP의공식적인입장이아님을밝힙니다. 2

5 기획시리즈 인공지능 < 자료 > [ 그림 1] 인공지능, 머신러닝, 딥러닝, 강화학습, 지도학습, 비지도학습범위요소로작용하고있다. 일부도시에서여러기술개발을추진한사례도있지만, 2016년교통혼잡비용은 30.3조원이며, 이비용은여전히개선되지않아서전반적인현황에대한조망과인공지능기반교통혼잡과같은혁신기술이필요하다. 본고에서는인공지능기반교통분야에응용가능한인공지능혁신기술을소개하고자한다. 인공지능은모든사람마다정의가달라서의미하는뜻이다르게전달되기도한다. [ 그림 1] 과같이본고에서는인공지능을가장큰범위로기계학습의모든것을포함하는것으로사용한다 [2]. 잘알려진기계학습도의사결정나무, 서포트벡터머신 (SVM) 등매우다양한방법들도있지만, 여기서는지도학습 (Supervised Learning), 강화학습 (Reinforcement Learning), 비지도학습 (Unsupervised Learning) 으로정의하였다. 지도학습은입력데이터와출력데이터쌍이있어야하며, 출력데이터는이미레이블 (Label) 이되어있어야한다. 예측은레이블링값과예측값차이 ( 오차 ) 의최소화를통해서학습된다. 비지도학습은입력데이터와출력데이터쌍이있는것은지도학습과같지만, 출력데이터를레이블링할필요는없다. 따라서비지도학습은차원축소, 데이터클러스터링방법으로많이사용한다. 강화학습은데이터가없더라도주어진환경에서에이전트의올바른행동을제어하기위해보상을최적화하는기법이다. 에이전트의예로는자율주행자동차와교통신호등이있다. 기존인공신경망 (Artificial Intelligence Network: ANN) 은은닉층 (Hidden Layer) 의수를증가할수록역전파알고리즘과정에서미분값이사라지는문제로학습할수없었다. 딥러닝은활성함수로시그모이드 (Sigmoid) 대신 ReLU를사용함으로써이기울기사라짐 (Vanishing Gradient) 문제를해결하였다. ReLU의발견은기존 ANN의많은 ( 깊은 ) 은닉층개수의신경망을계산할수있게하였다. 지도학습에서예측정확도는은닉층개수의증가로높일수있다. 실제로대표적인딥러닝성공사례인합성곱신경망 (Convolutional Neural Network: CNN) 에서는 100개이상의은닉층사용으로정확도를 99% 까지얻게되었다. 정보통신기술진흥센터 3

6 주간기술동향 II. 딥러닝기반도심지교통혼잡예측 1. 장단기메모리 (LSTM) 기반교통혼잡예측 시계열데이터의반복패턴은지도학습기반의순환신경망 (Recurrent Neural Network: RNN) 으로학습할수있다 [3]. RNN의원리는데이터의반복적인패턴을찾는것이다. 예들들어, 방이 2개인집에룸메이트와함께살고있으며, 룸메이트는 3가지음식인돈가스, 짜장면, 김치찌개요리를반복적으로하는규칙이있었다. 이는월요일에돈가스를먹었으면, 화요일에는짜장면을먹었고, 수요일에는김치찌개를먹는간단한 RNN 예제를보여준다. 조금복잡한 RNN 신경망을이해하기위해 [ 그림 2] 와같이날씨요소를추가해보면, 맑은날에는룸메이트가낮에놀다가늦게돌아오기때문에요리준비시간부족으로전날먹다남았던음식을했고, 비가오는날이면집에있으니까원래규칙대로요리하는것이다. < 자료 > [ 그림 2] 날씨에따른시계열데이터패턴 RNN은딥러닝이나오기이전부터사용되었지만, RNN 모델은은닉층개수가많아질수록기울기사라짐이자주발생하여규모가큰계산에서의학습은성공하기가매우어려웠다. 딥러닝기법을적용한 CNN처럼 RNN 아키텍처도활성함수로 ReLU를사용하면큰계산을할수는있다. 하지만 RNN 모델적용은성공하기가어려웠다. 그이유는 RNN 모델은시계열데이터의패턴추출을충분히기억할수없는단기기억구조이기때문이다. 비록, [ 그림 2] 의예제처럼하루정도짧은기억정보를이용해서 RNN으로해결할수있는간단한문제도여러종류가있지만도심지교통혼잡예측은하루가아닌비교적 1주에서 1달정도중기기억을요구하는패턴추출문제로귀결된다. 딥러닝기반 LSTM 즉, 장단기메모리 (Long Short Term Memory: LSTM) 는 RNN 보다중기기억을학습할수있어서딥러닝기반주식예측등대표적인성공 4

7 기획시리즈 인공지능 < 자료 > [ 그림 3] LSTM 아키텍처및교통혼잡예측정확도 95% 사례들이있다. LSTM을이용한교통혼잡분석은시계열데이터를이용하여단기, 중기그리고장기예측을정확히할수있는아키텍처이다. LSTM 아키텍처의특징은 [ 그림 3] 과같이 RNN의기본구조에 3개의입력, 출력, 망각게이트가있고, 2개의활성함수로기억흐름을조절한다 [4]. 즉, 망각게이트를최적화하여신경망의기억흐름을조절할수있는구조이다. 비유를들자면, RNN은수도꼭지하나가있어서흐르는물 ( 기억 ) 의양은조절이가능하지만, 물의온도는조절하지못한다. LSTM 모델은마치수돗물을조절하는 2개의밸브 ( 꼭지 ) 가있어서물의양, 물의온도도조절이가능한장치로이해하면쉽다. 한편, 교통혼잡을예측하는데사용하는데이터중의하나를소개한다. 주어진도로구간에서차들의처음과끝의통행시간과구간길이를측정할수있으며, 일반적으로 5분단위로실시간데이터를측정하면, 구간평균통행속도를얻을수가있어서교통혼잡예측의입력으로사용할수있다. [ 그림 3] 의우측은 2017년 5월부터약 3개월간정체가심한경부고속도로의부산쪽한구간에서의평균통행속도를이용한교통혼잡지수 (TPI) 를보여준다. TPI 지수가 1에가까우면매우혼잡하고 0.4 이하이면비교적통행이원활한경우이다. 이데이터를이용하여딥러닝기반 LSTM 예측을해보면실측과예측이유사함을알수있다. 비록많은검증이필요하겠지만, 딥러닝기반 LSTM 방법은도로의한구간에서의교통혼잡예측에매우핵심적인기술이될수있음을알수있다. 따라서딥러닝기반 AI+ 지능형교통기술은지금까지해결하기어려운문제를풀수있는혁신기술로시급히연구개발이필요한시점이다. 해마다줄어들지않는도심지교통혼잡비용절감을위해서는새로운혁신적인연구기법의적용이 정보통신기술진흥센터 5

8 주간기술동향 필요하며, 딥러닝기반도심지교통혼잡예측기술과강화학습기반의 AI+ 교통신호제어를혼 합하면새로운시너지를낼가능성이있다. 2. 도심지교통혼잡예측을위한 CNN 합성곱신경망 (CNN) 은딥러닝성공의대표적인사례이다. 딥러닝공부를시작하고자하면교과서처럼접하는주제가 0에서 9까지의숫자이미지세트인 MNIST 데이터를이용한 CNN[5] 이다. MNIST 데이터를이용한 CNN 기반예측정확도를 99% 이상향상시키는많은기술이 github나 Reddit에공개되었다. 또한, 지금도계속해서딥러닝 CNN 등예측정확도를향상하는연구가진행중이다. CNN에대해간략히이해를해보면, [ 그림 4] 와같이합성곱필터와최대값을추려내는풀링과정의반복으로구성된다. 출력이전에는 Fully Connected로모든특성요소를곱하고합한후활성화한다. 즉, CNN이란입력이미지를학습하기위해작은합성곱필터로전체이미지를필터링하고, 이후풀링으로최대값을취하는과정을반복한다. 이후 Fully Connected 신경망에모든요소가분포될것이고, 출력의레이블링항목개수에따른 Softmax 혹은 Sigmoid로분류한다. < 자료 > [ 그림 4] 합성곱신경망 CNN 구성도 교통분야의경우, 시계열교통데이터를이용해서 RNN, LSTM을적용한연구결과는많이있지만, 이미지기반의 CNN 적용사례는많지않다. 그이유는교통데이터를이미지로변환하는것도어렵지만, 변환된이미지를레이블링하는것이더어렵기때문이다. [ 그림 5] 는교통혼잡예측을위해교통흐름데이터를 2차원시공간이미지로변환하는과정을보여준다 [6]. 도로를일정한간격으로나누고, 혼잡도로별, 요일별, 시간대별로열지도 (Heat-map) 를만든 6

9 기획시리즈 인공지능 < 자료 > Xiaolei Ma, et al., Sensor 2017, 17(4), 818 [ 그림 5] 교통흐름데이터를시간, 공간에서 2차원이미지변화다. 또다른방법으로는도심지지도를놓고전체를균일한 2차원그리드 (Grid) 로나누어서교통혼잡데이터를빛깔지도로만들어서레이블링할수도있다. 도심지교통데이터이외에날씨정보, 미세먼지정보, 시간대별, 요일정보등을고려한맞춤형복합데이터를활용할수도있다. 날씨등환경정보를 2차원시공간교통이미지데이터와혼합한 CNN을통해신경망을학습한다. 맞춤형복합데이터역시시계열데이터이미지데이터이기때문에기본적으로 RNN 혹은 LSTM 적용이가능하다. 이처럼 CNN과 RNN 혼합기술개발은기존에해결하지못한문제들을해결할가능성이있을것이다. III. 강화학습의응용분야 1. 불연속적인에이전트행동은 DQN 을이용 지능형인프라기반강화학습은기존기술로해결하기어려운사회현안문제들자율주행, 교통신호등을제어할수있는핵심적인기술이다. 최근구글의 DeepMind는알파고바둑프로그램의성공에앞서개발한인공지능핵심알고리즘인 DQN(Deep Q-Network) 알고리즘을공개하였다 [7]. 강화학습은주어진환경 (Environment) 에서에이전트가원하는목적을이룰수있 정보통신기술진흥센터 7

10 주간기술동향 < 자료 > [ 그림 6] 미로에서 DQN 강화학습환경 도록최대로보상을주는정책 (Policy) 을따른다. 강화학습은데이터없이스스로학습하는과정으로최적의보상을설정하는것이매우중요하다. [ 그림 6] 은강화학습을설명하는간단한예제이다. 미로에서쥐 ( 에이전트 ) 가출구로최대한빨리나오게하기위해서는보상 ( 치즈등 ) 을잘주면된다. 현재의시간 (t) 에서쥐의위치 (x, y) 좌표와주위의미로구조는상태 (state) 이며, 쥐는동서남북한칸씩움직이는행동 (action) 을한다. 쥐가다음순간한행동을했을때얻을수있는보상을알면이문제는풀수있다. 하지만그보상을알수가없기때문에 Q(s, a) 라는함수를도입하고, 그함수는미로의모든상태와행동에대한정확한값을알고있다고가정한다. 그러면최대의보상은 Q(s, a) 를최대화하는신경망을통해근사하고, 그시간의최종출력으로행동 (a) 과상태를출력한다. 따라서 DQN은위의예제처럼불연속적인행동 ( 동서남북으로 1칸씩 ) 인경우적합하며, 보통은 CNN 이미지를기반으로최적화한다. DQN을자율주행자동차에적용하는시도들이있었지만성공하지는못하였다. 그이유는 DQN은 ATRAI 게임처럼불연속적인행동을처리하는조작이간단한문제에적합하기때문이다. 또한, DQN은시뮬레이션크기를조금만키워도현재의컴퓨터계산용량으로처리할수없는 차원의저주 라는컴퓨팅자원의한계도가지고있다 [8]. 이러한문제점을해결하기위해서는연속적인행동을제어할수있는심화결정론적정책경사 (Deep Deterministic Policy Gradient: DDPG) 가최근에개발되었다. 강화학습측면에서보면, 자율주행자동차의행동은차량의가속페달, 브레이크, 핸들로구분할수있으며, 이값들은모두연속적인값을가지므로 DDPG 알고리즘적용이적합한분야이다. 8

11 기획시리즈 인공지능 2. 연속적인에이전트행동은 DDPG 를이용 강화학습기반자율주행차량의제어를위해서 DQN을적용하면, 차량의 3가지행동즉, 브레이크, 핸들, 가속페달의값이연속적이라서계산량이기하급수적으로증가하여차원의저주문제에봉착한다. 이경우에는연속적인행동을기술할수있는정책경사 (Policy Gradient) 방법이적합하다 [9]. 일반적으로정책은상태와행동에따른확률론적분포를보이는함수로주어지는데, 주어진상태에서정책을최적화하면행동에따른확률밀도를사용하거나평균값행동에따른정책을사용하더라도같은값을준다고알려져있다. 이러한방법을심화결정론적정책경사 DDPG 기법이라고한다. 실제도로환경에서차선변경이빈번히일어나며, 운전자의양보가필요한위빙 (Weaving) 구간에서의차량의안전한주행, 양보, 차선변경등과같은실제도로상황과유사한환경에서의물리적인차량의제어연구는아직이루어지지않고있는실정이다. [ 그림 7] 은차선변경이빈번히발생하는위빙구간을구현하였다 [10]. 각각의차량에이전트를단순화하여원으로표현하였고, 원에있는실선은차량의진행방향을나타낸다. 자율주행도중차선변경을학습하기위한목적으로차량을초록색과빨간색으로구분하여각자지정된도착점에이르게하였다. 차량은 7개의센서를갖고있어도로및이웃하고있는다른에이전트의위치및속도를알수있다. 멀티에이전트에의한차선변경이빈번하게발생할수있도록편도 4차선으로시뮬레이터를설계하였다. 에이전트는가속페달, 핸들, 브레이크에해당하는 3가지행동을갖고있으며, 이들행동은 < 자료 > Hongsuk Yi, Deep Deterministic Policy Gradient for Autonomous Vehicle Driving, ICAI, [ 그림 7] 위빙 (Weaving) 발생도로 ( 위쪽 ) 와자율주행도로환경시뮬레이터 ( 아래쪽 ) 정보통신기술진흥센터 9

12 주간기술동향 연속적인값들을갖고있다. 강화학습에서사용된 2차원시뮬레이터는 12개의상태로구성하였다 [11]. 실제차량의차선변환을학습하기위해서빨간색차량의목적지는 4차선중에서아래 2개에도착해야하며, 초록색차선은위의 2개차선에도착하도록설정하였다. 초기에는도로왼쪽에서임의의차선에입력되고, 자율주행구간에서학습을통해서목적지인오른쪽에도착하게되며, 강화학습에서에이전트학습의성과는최적의보상설계에서나온다. 본고에서는차선변경과멀티에이전트양보를학습하기위해서보상은차량의속도와차선을따르는각도를이용하여정의하였고, 출발차량이목적지에도착하면추가의보상점수를주었다. 하지만목적지를벗어나다른차선에도착하거나, 차들끼리서로충돌하면벌칙으로감점을받도록보상을정의하였다. 멀티에이전트환경에서자율주행차량들의양보, 경쟁, 안전주행등을학습하기위해 DDPG 의 Actor-Critic 알고리즘을구현하였다. 강화학습에사용된보상 (reward) 은각각의에이전트차량이목적지차선에도착하면높은점수를받지만, 에이전트가다른목적지차선에도착할경우나혹은에이전트끼리충돌이발생할경우에는벌점으로낮은점수를받도록설계하였다. 심화 Actor-Critic 신경망아키텍처에서 Actor와 Critic 네트워크각각은 12개의상태를받으며, Critic-네트워크의경우추가로 3개의행동을입력으로구성되었다 [12]. [ 그림 8] 에서는각각의은닉층은 600개의뉴런을갖고있으며, Critic은 2개의네트워크로, Actor-네트워크는 3개의은닉층으로구성하였다. 차선변경이빈번히발생하는도로구조에서의심화강화학습시뮬레이션결과는충분히학습된차들이안정적으로주행할수있음을보여주었다. < 자료 > 이홍석외, 자율주행자동차주행을위한심화강화학습, 한국정보과학회 KSC [ 그림 8] DDPG Actor-Critic 신경망과 16 에이전트사용시평균보상 10

13 기획시리즈 인공지능 3. 사회현안을해결하기위해서는다양한 AI 기술을사용 쉬운게임환경에서 Model-free 기반인 DQN, DDPG 등의강화학습은매우우수한성능을보인다. 하지만이방법을멀티에이전트기반자율주행자동차나교통신호제어등의복잡한사회문제에직접적용하기에는무리가있다. 그이유는복잡한환경에서강화학습을결정하는보상을설정하기가매우어렵기때문이다. 또한, 매우많은초기데이터와에이전트의안정화를위해매우큰계산을학습에투자해야한다. 이를보완하기위해서사람수준의행동을모방하도록에이전트에게모방학습 (imitation learning) 을적용하기도한다. 한편, 구글에서개발한최초의 AlphaGo는기보를학습한지도학습버전으로, 지도학습과강화학습을혼합한기술을적용한 AlphaGo-Lee보다성능이떨어진다. 에이전트가초기에기보를충분히학습한이후정책경사강화학습을혼합하였기때문에이세돌 9단을이길수있는새로운수들이나온것이다. 한편, 데이터없이스스로학습하는 AplhaGo-Zero 버전은 40시간학습하면 AlphaGo- Lee 버전보다우수한성능을보여준다. 즉, 바둑에서 AlpaGo-Zero는완벽한기술이다. 강화학습기반교통신호제어에대해최근많은연구가진행되고있다. 신호교차로 4개이하는불연속적인행동을제어하는 DQN 기반시뮬레이터수준에서제어할수있다. 하지만신호교차로개수가많아지면 DQN은 차원의저주 라는한계로신호제어가어렵다. 도심지의동단위즉, 10~20개신호교차로수준에서는 DDPG로신호를제어하는연구가한창진행중이다. 앞의 DDPG를이용한자율주행시뮬레이션의결과를보더라도, 멀티에이전트기반 DQN 및 DDPG가시뮬레이터에서학습이잘되었다고하더라도, 경찰관이제어하는수준으로발전하기는매우어렵다. AI+ 교통신호분야에서는교통신호에이전트가경찰관을따라서학습하는모방학습을적용하는등제어를위한최적화혁신기술개발이필요하다. 현재수준의혁신기술로는 TDM 방법및 Model- based 추론 / 학습기술을하이브리드하는방법을고려해볼수있다. [ 그림 9] 는 AI+ 교통중점추진프로젝트의하나인 데이터기반교통혼잡비용문제 를해결하는개념도이다. 2016년 30.3조원인교통혼잡비용을 5년후인 2022년에 27조원으로, 10% 비용저감을위해서는도심지에서의딥러닝기반교통혼잡예측과신호제어등 AI 혁신기술이필요하다. 또한, 강화학습기반 Model-based 교통신호제어기술이개발되고, 전국모든대도시에적용한다면도심지교통혼잡비용 10% 절감은가능할것이다. 최종적으로실시간환경에따라변화하는수요에대응이가능한교차로신호운영으로도시혼잡을줄일수있을것으로기대된다. 정보통신기술진흥센터 11

14 주간기술동향 < 자료 > 과학기술정보통신부, 사람중심의 4 차산업혁명, 2018, [ 그림 9] AI+ 교통응용 : 데이터기반도심지교통혼잡비용 10% 감소 IV. 결론및시사점 지금까지인공지능기반국민생활연구분야에서딥러닝기반 LSTM, CNN, DQN, DDPG 알고리즘을활용하여사회현안문제인교통혼잡비용을줄이는방안을위한 AI+ 교통응용사례를소개하였다. CNN 및 LSTM을적용한딥러닝응용사례는많이있으나, 실제국민생활과밀접하게연결된사회현안문제등을해결하기위해 AI가국민생활에적용된사례는많지않다. 이에본고에서는 Deep-TraC처럼기존기술의한계를극복하는방법으로교통데이터와날씨, 환경, 미세먼지등을맞춤형이미지로변환하고, 새로운 CNN-LSTM 기법을적용한인공지능과교통혼잡예측방법을다루었다. 기계학습기반강화학습분야에서는도심지교통혼잡지역교통신호제어를위해이미지기반단일에이전트 DQN에대해서자세히알아보았다. 하지만현실적으로는단일에이전트에서멀티에이전트문제를다룰필요가있으며, 이를위해자율주행자동차처럼멀티에이전트의연속적인행동을제어할수있는결정론적정책경사 DDPG 알고리즘을소개하였다. 교통분야에서 DDPG를실제상황에적용하기위한응용으로, 멀티에이전트기반자율주행문제를고려하였다. 특히, 위빙 (Weaving) 이자주발생하는위험한도로와유사한멀티에이전트기반강화학습환경을만들어서시뮬레이션하였다. 자율주행차량시뮬레이션결과, 현실상황에서 DDPG를독립적으로적용하는것은매우어렵다는결론을얻었다. 인공지능기반교통신호분야는아직한창연구를진행중이다. 자율주행자동차보다더많은사람의생명을다루는기술이므로매우체계적이고치밀한접근이필요하다. 따라서강화학습단독으로개발한모델의적용보다는 Model-based 방법혹은데이터기반하이브리드방법을개발하여적용해야한다는것을알수있었다. 교통신호제어를위해서는멀티에이전 12

15 기획시리즈 인공지능 트기반강화학습 DDPG 알고리즘과 Model-based 신호제어알고리즘이하이브리드된형태의혁신적인기술이개발되어야함을알수있다. 즉, 지도학습기반교통혼잡예측 Deep-TraC의결과와교통신호제어기술이함께작동하는시스템으로발전해야한다. 지역및로컬교통신호제어기술의연구개발은국내외적으로아직시도되지않았으므로, 지능형인프라기술혁신을통해선도기술경쟁력을확보할수있을것으로기대된다. [ 참고문헌 ] * [1] 과학기술정보통신부, 인공지능 R&D 전략, 2018, [2] 딥러닝, [3] RNN, [4] LSTM, [5] CNN, [6] Xiaolei Ma, Learning Traffic as Images: A Deep Convolutional Neural Network for Large-Scale Transportation Network Speed Prediction, Sensors 818, [7] DQN, [8] Mnih V, Human-level control through deep reinforcement learning, Nature, [9] DDPG, Continuous control with deep reinforcement learning, arxiv: , [10] 이홍석, 자율주행을위한멀티에이전트심화강화학습, 정보과학회지, 제34권 9호, 27, [11] 이홍석, 자율주행자동차주행을위한심화강화학습, 한국정보과학회 KSC [12] Hongsuk Yi, Deep Deterministic Policy Gradient for Autonomous Vehicle Driving, ICAI 2018, * 본고는 2018 년도정부 ( 과학기술정보통신부 ) 의재원으로정보통신기술진흥센터의지원 (No , 딥러닝기반도심지교통혼잡예측및신호제어솔루션시스템 ) 과 2018 년도한국과학기술정보연구원 (KISTI) 의지원을받아수행한연구임 (K-18-L15-C01, 지능형인프라기술연구 ) 정보통신기술진흥센터 13

16 주간기술동향 에듀테크의기술및콘텐츠동향 백정열 미래융합정보기술기술연구소장 I. 서론 훌륭한교육은개인과사회를풍족하게하고부강한국가를만든다. 그런데, 기존의교육콘텐츠와이를서비스하는전통기반시스템으로구성되어있는글로벌이러닝 (e-learning) 시장의규모가 년연평균 6.4% 위축될것으로예상되고있다. 반면에가트너 (Gartner) 는 Hype Cycle for Education 을통해이러한전통적이러닝과학습알고리즘, 데이터기반평가및분석기술, 참여자간의소통및공유를위한협력도구, 가상현실및증강현실기술등의다양한기술의융복합이에듀테크 (Edutech) 라고 1) 명명하는기술과콘텐츠시장의활성화를가져올것으로예고하고있다. 아울러가트너는 2018 elearning PREDICTIONS HYPE CURVE 를통해 2018년에이슈화될이러닝관련기술을 [ 그림 1] 과같이발표하였는데, 게임기반의학습기술 (Gamification) 은성숙기에도달하고있고 AI 및예측모델링 과 AR/VR 기술은도입기를지나부풀려진기대의정점단계에있는것으로나타났다. 이러한흐름에순응하여영국, 미국등교육선진국을중심으로교육과첨단 ICT 기술이접목된에듀테크산업이이러닝산업의수요를대체중에있으며, 국내에서도스마트폰, 클라우드, SNS, 빅데이터등의 ICT 첨단기술이이러닝산업에큰변화를초래하여스마트러닝, 어댑티브러닝, MOOC, 2) 가상학습등대학교육과직무교육이변화하고있는상황이다. 전통적이러닝시스템을먼저도입했던선진국에서는주기적인시스템교체시기가되었기때문에신기술을융합한새로운이러닝시스템으로교체될전망이며, 반면에이러닝이미성 * 본내용은백정열소장 ( , vabel100@chol.com) 에게문의하시기바랍니다. ** 본내용은필자의주관적인의견이며 IITP의공식적인입장이아님을밝힙니다. 1) 에듀테크 : 교육 (Education) 과기술 (Technology) 의합성어로전통적기존교육과미디어, 디자인, 소프트웨어, VR, AR, 3D 등 ICT 기술이융합하여지금과는완전히다른새로운학습경험을제공 2) MOOC: 온라인공개수업 (Massive Open Online Course: MOOC) 은웹기반으로이루어지며강의자와학습자간상호커뮤니케이션이가능한교육서비스를의미한다. 14

17 ICT 신기술 < 자료 > Gartner(2018 elearning PREDICTIONS HYPE CURVE), [ 그림 1] 이러닝기술전망 (Hype Cycle) 숙한국가에서는처음부터전통적시스템을배제하고, 신기술을융합한새로운형태의이러닝을도입하는도약효과 (Leapfrog effect) 가나타나고있으며, 이에따라에듀테크에대한투자도크게증가하고있다. 국내에서도현재 ICT 기술의급진적인발전에힘입어다양한에듀테크기술들이대두되고있다. [ 그림 2] 는중소벤처기업부에서발표한에듀테크기술의로드맵이다. 즉, 우리나라도 2017 년부터에듀테크기술에대한집중투자가이루어지고있는상황이다. < 자료 > 중소기업기술정보진흥원, 중소 중견기업기술로드맵 [ 그림 2] 에듀테크기술로드맵 본고에서는대표적에듀테크기술과에듀테크콘텐츠에대한국내외동향을분석해보고 자한다. 정보통신기술진흥센터 15

18 주간기술동향 II. 국외동향 미국이러닝시장도세계흐름과동일하게최근지속적으로위축되고있는데, 이는이러닝콘텐츠와기술들의가격경쟁심화와에듀테크제품의성장이그원인이다. 즉, 이러닝공급업체사이에가격경쟁이심화되어기존이러닝기업들의매출이감소되고있으며, 제품의경우도본질적으로거의같은기능을가진유사한제품들이시장에출시되고있어, 소비자들이구매를결정하는요소로써가격경쟁력의중요성이더욱높아졌기때문이라고판단된다. 일례로미국의가장큰이러닝기업중하나인 K12 Inc. 의 2016년연차보고서에따르면, 기업운영의가장큰위험요소중하나로경쟁업체간, 또는신생업체간의경쟁이심화된사항을들고있으며가격경쟁은매출, 수익성, 시장점유율의감소로이어질수있다고언급하고있다. 반면에시장조사기관인앰비언트인사이트에의하면, 전세계적으로 IoT 시뮬레이션기반학습기술, AR/VR 기반학습기술, 게임기반학습기술, 모바일기반학습기술등의에듀테크기술을융합한교육시장은향후 5년간 (2016~2021년) 각각연평균 11.0%, 17.0%, 22.4%, 7.5% 성장할것으로전망된다. < 자료 > 앰비언트인사이트 [ 그림 3] 기술별학습연평균성장전망 (2016~2021년) 즉, 새로운교육기술로써 IoT 시뮬레이터기술과 VR/AR 기술이이슈화되고있 고안정화된기술로써게임기반학습기술과모바일기반의학습기술을주시하고있는것이며이는앞서언급한가트너의 Hype Curve for Education 에서도확인된사항인만큼본론은이를기준으로각각살펴보도록한다. 1. VR/AR 기반학습기술 먼저 VR/AR 기반학습에있어서가장핵심적인기술은가상현실 / 증강현실을활용한체험형시뮬레이션기술이라고할것이다. 이러한기술들은학습콘텐츠에실감을더해학습의몰입감을부여한다는점에서매우중요한기술이다. 미국의경우, 지난 2015년 5월구글은해외유적지, 박물관, 우주등을체험할수있는가상 16

19 ICT 신기술 현실장비익스페디션 (Expedition) 시스템을여러학교에무료로제공하기시작했으며, 2015년말까지 10만명이상의유치원및초 중등학생이이시스템을이용할수있도록규모를확대함으로써가상현실기술을이용한교육시장을열었다. 이후가상현실기기시장의본격적인성장과함께알케미러닝 (Alchemy Learning), 엑소유 (Exo U) 등이유치원및초 중등교육시장에초점을맞춘다양한제품을출시하며시장을확대해나갔다. 또한, 마이크로소프트, 소니, 구글, 인텔, 애플, 퀄컴등주요 ICT기업이증강현실기술을활용한제품들을지속적으로출시하면서스마트디바이스를활용한증강현실학습애플리케이션시장도함께성장을시작하였다. 이러한기업들의노력으로인해딜로이트컨설팅의 2016 digital Education Survey에따르면, 미국학교에서수업에증강 가상현실장비등시뮬레이션기반학습을도입한비율이 13% 에도달한것으로나타났다. 영국의경우, 런던에소재한스타트업임머스 (Immerse) 는 VR 학습으로의혁신을주도하는기업중하나인데모든산업과교육기관을대상으로항공기수리부터과학수업까지맞춤형학습환경을구현할수있는플랫폼을개발하였다. 임머스의톰사이몬즈 CEO는온라인영어학교인랭귀지랩닷컴 (Languagelab.com) 에서사업개발디렉터로 6개월간일하면서가상교육의힘을인식하기시작했으며세컨드라이프 (Second Life) 플랫폼용영어교육서비스를개발했다. 또한, 3D 환경에서라이브인터랙티브학습을제공하는 VR 기반플랫폼인임머스를개발했는데, 이제품은 VR 헤드셋과데스크탑브라우저및웹캠을통해멀티플레이어액세스를지원하고, 음성과분석및보고기능을내장하고있다. 게다가 2016년에는오큘러스리프트 (Oculus Rift) 와 HTC 바이브가출시되어 VR이상용화된소비자기술로부상함으로인해플랫폼의성공가능성이크게바뀌었으며임머스는 2017년 1월에멀티유저학습플랫폼을출시했다. 일본의경우는 VR/AR 기술을활용한교육보다는게임산업에집중한결과 VR 산업진출이늦어졌으나 2020년서비스예정인 5G(5세대이동통신시스템 ) 와 2020년도쿄올림픽에맞춘가상현실학습서비스가확대될것으로전망되고있어 2021년까지 VR 시장은급성장할것으로예측된다. 2017년 7월에는일본유명영어학습서비스회사인 이온 (AEON) 이영어학습용가상현실콘텐츠 영어로대접가이드 를 3) 출시하고이를애플리케 3) 영어로대접가이드 : 英語でおもてなしガイド < 자료 > AEON 의 VR 활용앱 [ 그림 4] AEON 사의영어로대접가이드 정보통신기술진흥센터 17

20 주간기술동향 이션으로제공하여스마트폰용 HMD를사용하여 VR 형태로학습이가능하도록하였다. 즉, 단어와예문을사전학습하고대화상대가나타나면배운것을토대로대화를이어나가는방식으로, 학습 답변에따라달라지는스토리텔링콘텐츠를 VR 기술을활용하여서비스하고있다. 또한, 일본의철도회사중하나인 JR동일본 은사고모의체험가상현실서비스를교육도구로활용하여직원의부주의로인해발생할수있는빠른속도로달려오는열차와의충돌체험을전체현장직원들에게제공하고있으며 후지쓰 (Fujitsu) 도산업재해예방을위한교육시스템을활용하여현장직원들이작업중높은곳에서떨어지는체험을가상현실로개발했으며이교육을통해직원들의안전의식을고취시키고있다. 2016년골드만삭스에서발표한한보고서 (Goldman Sachs Global Investment Research) 에의하면, 중국은 VR 산업발전이빠른국가중하나인데, 그중에서도 VR 하드웨어분야가두각을나타내고있다. 중국의 VR 전용하드웨어의사용자수는 2020년까지약 2,500만명이상에달할것으로예측되고있다. 또한, 2017년에는중국의주요브랜드스마트폰의약 80% 이상이 VR 촬영및재생이가능한형태로출시되었으며, 이추세를반영하듯중국의 VR 시장규모도 2017년약 134억위안 ( 한화약 2조 2,000억원 ) 에서 2020년약 720억위안 ( 한화약 12조원 ) 으로크게성장할것으로예측하고있다. 그러나 VR 교육적측면에서는아직설비나기술적으로미비한단계이기때문에장기적인관점에서바라볼필요가있는듯하다. 실제로중국내부에서도 VR 교육이개념만부풀려졌을뿐실현성에있어서초보단계임을인지하고있다. 그러나그잠재력은크기때문에, 기존의온라인학습플랫폼에 VR 기술을응용하는단계의 VR 교육은실현가능성이높아보이며또한, 교육전반에 VR 기술을도입하기는어려워도, 특정학과분야에특화해 VR 교육을실시할가능성은충분해보인다. 2. 게임기반학습기술 게임기반학습 (Game Based Learning: GBL) 에대해살펴본다. 교육과게임의접목은 Gamification 이라는키워드가이슈화되기이전에도이러닝교육을통해지속적으로시도해왔으며, 어린이교육에서고등교육까지, 또한단순히지식습득의학습뿐만아니라악기연주나운동자세등의기술습득을위한용도로도다양하게활용되고있다. 게임기반학습에서가장많이활용되고있는기술중하나가 VR/AR 기술인데이부분은앞서이미다루었으므로생략하도록한다. 18

21 ICT 신기술 딜로이트컨설팅조사에따르면 2016년을기준으로학교수업에게임기반학습 (GBL) 을활용하는비율은 52% 로조사되었으며학년별로는유치원 ~2학년 63%, 3~5학년 66% 로초등교육에서의활용비율이비교적높은것으로나타났다. 또한, 미국의교육학자인마크프렌스키 (Marc Prensky) 에의하면게임기반학습은학습시에몰입 (Engagement) 의효과를일으키므로학생들이특히학습하기를꺼려하고흥미를갖지못하는학습주제도효율적으로학습할수있으며, 또한기계와사람의상호작용이반복적으로이루어지기때문에목표에따라수준별학습이가능하도록할수있고, 주어진미션들을최선의방법을통해찾을수있도록한다면매우효율적으로활용이가능하다. 또한편으로, 시장조사기관인앰비엔트인사이트에따르면게임기반의교육자료중특히효과가좋은것은에듀게임을통해경쟁을하며, 복잡한단계의문제를풀어나가는교육콘텐츠인것으로조사되었다. 미국의경우, 2016년부터학생한명당 1~5달러의비용으로구입할수있는마이크로소프트사의교육용게임플랫폼마인크래프트 (Minecraft) 가대표적인게임기반학습서비스이다. 또한, 마이크로소프트는다차원카메라를통해동작인식이가능한게임인터페이스제품인 키넥트 (Kinect) 를출시하고스포츠분야등을타깃으로동작인식을활용한기능성게임제품을출시하여게임시장을공략하고있다. 이에더해, 고등교육기관을대상으로유니티에듀케이터툴킷 (Unity Educator Tookit) 을무료사용프로그램형태로제공하고개인이나기업들이이를활용하여저렴하게제품을개발할수있도록함으로써그활용률이지속적으로증가하고있다. 스탠포드의과대학에서개발하여 2012년 12월출시한 Sikco 는여러명이한팀으로협업할수있는가상수술교육프로그램으로, 수술진행상황에대한빠른판단과환자의상태에따른정확한수술방법등을교육하는가상현실서비스이다. 출시후 2년 8개월 (2014년 7월까지 ) 만에 3.8만명의참여자가활용하였고, 약 2,500 회이상활용되었는데, 이중에약 250회정도는전체단계를성공적으로완료하였다고집계되었으며, 미국외에헝가리, 캐나다, 아일랜드등에서도학생교육용도로사용되고있다. 미국의스타트업기업인 JoyTunes 사의 Piano Maestro 는학습자들이음악을스스로학습할수 있는교육용애플리케이션으로, 학습자의피아노 [ 그림 5] 스탠포드의과대학의 Sikco 정보통신기술진흥센터 19

22 주간기술동향 소리와리듬, 그리고기술등에대해상호작용하면서점수를산정하고레벨을향상하는방식이며, 400만명의사용자가있으며, 매주 100만개의노래가연주되고있다. 미국정부는정부의시책에대한정보를쉽게전달하고, 각종재난상황에대한대비교육, 그리고가난이나공해등의여러가지세계문제에대한시민들의인식과이해를구하기위한수단으로 GBL 기술을활용하고있다. 그예로 Evoke 사는일종의소셜네트워크게임을활용하여가난과공해, 그리고폭력등의현재세계가직면한다양한문제들을해결하기위 [ 그림 6] Evoke의소셜네트워크게임해사용자의자율적인브레인스토밍을유도하고있다. 이게임에서참여자들은 10주동안각각 10개의미션과도전과제를해결하고모든미션을통과하면 World Bank Institute Social Innovator 로활동하게되는데, 현재이게임은 150개국가에서활용중이며약 2만명의참여자 (player) 와 social innovator가활동하고있다. American s Army 라는애플리케이션은군대홍보효과와군대에서의경험제공및직업군인으로써의구인활동등을위해미국방부에서제작한인터넷게임인데, GBL 기법에의한효과적인리크루팅툴의대표적사례가되고있다. 부가적인효과로써, 기존의 TV광고를통한리크루팅비용이 1인당 5~8달러수준이었음에비해이게임을통한리크루팅비용은 1인당 10센트수준으로비용이크게절감되는효과도거두었다. 일본과중국에는빅데이터기반의개인맞춤형학습시장이커지고있고게임요소가가미된온라인영어교육서비스가활발해지고있다. 이와더불어, Dreambox 같은빅데이터기반의 adaptive learning기업은대용량의데이터를분석하여학습자의이해도를분석하고학습코스를생성하여교실수업을지원하고있으며, DuoLingo 사는외국어분야의게임형학습서비스를제공하여사용자의번역결과를외부사업자에게제공하여수익을창출하는수익모델을도입하고있다. 또한, 일본의닌텐도사에서는 Standalone 형태의대표적인모바일게임기기인 닌텐도 DS 를이용한두뇌트레이닝게임을출시하고, 이후가속센서를이용한컨트롤러를추가하여실내에서가벼운운동을할수있도록하는 Wii 스포츠게임, Wii Fit 등을개발및출시하여시장에서많은호응을얻었다. 20

23 ICT 신기술 3. IoT 물리적시뮬레이터학습기술 IoT 물리적시뮬레이터학습기술을활용한서비스중최근에가장이슈화된것은코딩교육이라고할것이다. 미국, 유럽등의주요국가에서는코딩교육서비스가이슈화되고있고국내에서도필수교과과정으로코딩교육을지정할정도로의욕을가지고있다. 대부분의경우, IoT 물리적시뮬레이터제품은몇개의전자센서들을탑재한스마트토이의하드웨어형태와이를조정할수있는스마트앱형태이며두가지모양의제품으로판매되고있다. 레고 (Lego) 사는 마인드스톰 이라는브랜드의코딩교육에특화된블록제품을시장에내놓았는데, 이는주로스마트토이형태로타깃디바이스를 4) 블록형태로제작할수있다. 또한, 스타워즈로봇등원격조정이가능한다양한스마트토이제품을판매하는 스페로 (Sphero) 사는 SPRK+ 라는이름으로코딩교구를출시하고있다. [ 그림 7] 레고사의마인드스톰반면에 OSMO 사와미국구글사는각각 Coding Games 와 Project Blocks 라는이름으로물리적프로그래밍을위한교구를제품으로내놓고있다. 이들제품은스마트디바이스나 PC 에서코딩실습이이루어지고그결과를스마트토이를통해실행하도록하는방식과는반대로코딩실습자체를직접블록들을맞추어가며진행하는방식이라는점에서그차이가있다. 중국에서는대표적스마트토이제조사인 샤오미 사가코딩로봇을시판하였는데, 이제품 4) 타겟디바이스 : 코딩의실행결과를적용하기위해다양한센서들을장착한장치 정보통신기술진흥센터 21

24 주간기술동향 은레고처럼조립해서만드는코딩용장난감로봇으로, 바퀴, 기어, 체인등다양한핵심부품들과약 900 여개의블록들을제공하여, 학습자로하여금다양한모양의스마트토이를조립할수있게하고조립된스마트토이는스마트폰과연동해 [ 그림 8] 구글의 Project blocks 조종할수있다. 이들세가지분류항목간특징과차이점은 [ 표 1] 과같다. [ 표 1] 해외에듀테크기술의비교분석분류 VR/AR 기반학습기술게임기반학습기술 IoT 물리적시뮬레이터학습 세부관찰이필요한교육에유용함스토리텔링기반교육에유용함실습중심의학습방식에유용함 특징 곤충생애주기관찰, 바다속탐험등의쉽게접할수없는경험기반의교육에유용함 역사체험등의시뮬레이션이가능한교육이나영어, 수학등의문제해결기반의교육에유용함 물리교육, 코딩교육등의디지털콘텐츠가아닌물리적체험이필요한교육에유용함 장점 실감형콘텐츠를활용하여몰입형교육이가능 게임이가지는 재미 와 몰입 을학습자에게제공함으로써학습을보다재미있게할수있도록하여학습동기를유발하고자발적인참여를이끌어낼수있음 단순히눈으로보는것이아닌손으로만지는방식의교육이므로저연령의아이들을위한교육에적합함 단점 고가의스마트폰이나 HMD 가필요함 AR/VR 에적합한 3D 콘텐츠를제작하기어려움 < 자료 > 미래융합정보기술자체작성 게임요소가주요요소가되므로자칫게임에빠져학습효과가떨어질우려가있음 물리적교구의제한된기능으로지속적흥미유발이어려움 III. 국내동향 국내에서도 4차산업혁명이핫이슈로떠오르면서기존전통적이러닝산업을대체할기술로떠오른것이에듀테크기술이었다. 그러나교육업계는다른그어느분야보다보수적인성격이강한곳이며학생, 학교, 학부모, 공교육, 사교육등많은이해관계가얽혀있어급진적인변화는어렵고, 어떤것이정답인지찾기어려운경우가많다. 그럼에도불구하고에듀테크가교육문제를해결할수있는새로운방법으로떠오르고있다. 즉, 4차산업혁명시대를맞이하여교육분야도비약적인 ICT 기술발전으로기존이러닝산업에서에듀테크산업으로급속히전환되는추세이다. 이러한증거로기존의전통교육기업은자신을 에듀테크기업 이 22

25 ICT 신기술 < 자료 > 중소벤처기업부 2017 년동향보고서 [ 그림 9] 에듀테크관련국내주요출원인의특허출원현황 ( 건 ) 라고신사업을소개하고있으며, 최근에듀테크를주제로한세미나와컨퍼런스도많아졌으며, 한국이러닝협회는 에듀테크산업협회 로이름을바꿔활동하기시작했다. 최근에듀테크관련특허동향을살펴보면, 2012년이후우리나라는지속적으로특허건수가증가하고있어, 에듀테크기술개발이활발히이루어지고있는것으로판단된다. 그러나현재까지는국내에듀테크기술이아직은걸음마단계로판단되며또한공교육보다는사교육분야에서에듀테크사업의가능성이엿보이고있다. 그예로에듀테크기술과관련하여투자를유치한스타트업회사들이지속적으로증가하고있다. 국내에서는에듀테크관련기술개발보다는콘텐츠개발과응용에주력하고있으며, [ 표 2] 에서확인할수있듯이국내에듀테크스타트업기업들은코딩교육기업, 실감형교육기업, 맞춤형교육기업으로크게세가지부류로구분되는것으로보인다. 그러므로국내에듀테크동향은코딩교육, 실감형교육, 맞춤형교육과같은세가지관점에서살펴보도록한다. 정보통신기술진흥센터 23

26 주간기술동향 [ 표 2] 국내에듀테크스타트업의투자유치현황 스타트업기업도아줌 (1:1 온라인공부습관트레이닝서비스 ) 디랩 (SW, HW, 3D 프린팅융합코딩교육제공 ) 럭스로보 ( 코딩교육용로봇모듈 모디 제공 ) 스마트웰니스 ( 코딩교육용모듈 큐브로이드 제공 ) 로지브라더스 ( 코딩교육플랫폼유치 ) 뤼이드 ( 인공지능기반어댑티브러닝 ) 매스프레소 ( 실시간질문답변플랫폼개발 ) 몬스터스쿨 ( 스마트수학학습콘텐츠개발 ) 비트루브 ( 맞춤형수학교육서비스제공 ) 에그번 ( 챗봇기반언어교육 ) 오누이 ( 모바일실시간수학질의응답서비스 ) 용감한컴퍼니 ( 인터넷강의퍼블리싱업체 ) 코드스쿼드 ( 소프트웨어교육및컨설팅기업 ) 클래스팅 ( 교육용소셜네트워크 ) 튜터링 ( 모바일온디맨드교육플랫폼 ) < 자료 > 휴넷 투자액투자액수비공개 7.3억투자유치 40억투자유치투자액수비공개투자액수비공개투자액수비공개 4억투자유치투자액수비공개 12억투자유치 9억투자유치 3억투자유치 20억투자유치 4억투자유치 30억투자유치 8억투자유치 1. 코딩교육 먼저코딩교육기업의경우에는해외코딩교육솔루션기업들과유사한형태를띤다. 여러국내코딩교육기업중에서두드러진활약을보이는기업은 스마트웰니스 사와 럭스로보 사이다. 스마트웰니스 사는큐브형태의블록형태로장난감자동차등의스마트토이를조립하여 스크래치 모듈과연동하여이를제어할수있는제품을판매하고있으며, 럭스로보 사는다양한블록형태의스마트토이를조립할수있도록하고있으며, 이외 모디스튜디오 사는자체제작소프트웨어를연동하여스마트토이를제어할수있도록하는제품을판매하고있다. 이외의대부분다른코딩교구제조사는스마트토이완제품을출시하고있는데, 이들은스마트 폰앱을활용하여제품을제어하는방식이며, 그 [ 그림 10] 스마트웰니스의큐브로이드 24

27 ICT 신기술 소프트웨어기술은해외의기술을기반으로하고있다. 이런와중에게임을직접만들어보는코딩교육이최적의소재로떠오르고있는데, 이는게임을제작하며코딩원리를쉽게이해할수있기때문이다. 실제로 e-스포츠학원인게임코치아카데미 ( 이하게임코치 ) 는 2017년 8월부터학생들에게직접게임을제작할수있도록가르치는 G-러닝코딩교육 을진행하고있다. C언어나 JAVA 등실질적인전문적인프로그래밍언어대신 RPG 메이커 같은툴을통해직접게임을만드는방식으로진행되며어려운언어없이코딩의기본원리만으로, 게임 이라는이해하기쉬운목적을향해나아가도록도와주는것이다. 2. 실감형교육 국내에서도실감교육과관련한다양한기술들이개발되고있다. 삼성전자는시각과촉각뿐아니라청각과후각등오감으로교감하는디스플레이를차세대유망산업으로선정하고실시간으로사람의감정, 얼굴, 움직임을 3D 아바타를통해실현시키거나제스처를아바타를통해표현하는기술을기반으로한모션기반게임을개발하고있다. ETRI는버추얼라이프등에활용될수있는실시간환경정보 ( 기온, 조명등 ) 를센싱하여가상환경에반영하는시스템과 3D 객체의복잡도, 크기등을기반으로압축된 3D 그래픽을순차적으로전송하는기술을개발하고있다. 코글로미디어 사는 6자유도의모션플랫폼으로구현되는모션과함께입체영상과 4D 효과를경험할수있는다양한 4D 라이더상영관 이라는실감형체험공간을구축하였는데, 이는기존 3D 입체영상관과비교해볼때, 탁월한전달력을가진 4D 시스템을탑재한돔스크린을국내최초로적용하여몰입감이탁월한가상현실체험이가능하다는평가를받고있다. ( 주 ) 시뮬라인 사는 3D 영상뿐만아니라규모가크고웅장한돔극장과군사시뮬레이터뿐아니라양방향촬영기법을통한듀얼스크린까지다양한제품들을제작하고이와관련된솔루션들을개발하고있다. 이러한고품질파노라마와 360도영상등을이용한실감영상기술은사용자에게뛰어난현장감과몰입감을제공함으로써전시, 문화, 공연등다양한분야에서활용될전망이며최근유튜브 등의온라인동영상시장으로확대되고있다. [ 그림 11] 코글로미디어사의 4D 라이더상영관 정보통신기술진흥센터 25

28 주간기술동향 또한, H&S 사는스포테인먼트 (Spotainment) 기구인 4D 바이크제품을개발하였는데, 이제품은가상의 3D 공간 ( 올레길, 산악, 공원등 ) 의입체영상디스플레이와운동기구를융합함으로써, 오락과운동의기회를동시에제공하고있다. 포디비전 사는가상현실과증강현실관련컴퓨터그래픽 S/W 개발업체 [ 그림 12] H&S사의 4D 바이크제품로테마파크및박물관등에서몰입형뷰어를통해관찰대상을실제로체험할수있는시스템을개발하고있으며, 포디에이플러스 사는킹돔라이더라는소형 4D 놀이기구를개발하였는데, 이제품은놀이기구에탑승한고객이 3D 입체영상을통해우주, 공룡시대, 바닷속등의가상공간을경험할수있고이로써재미와교육적체험효과를동시에즐길수있도록하는효과를낼수있도록하였다. KT는 2018년 5월 20일가상현실 (VR) 증강현실 (AR) 과같은실감형미디어투자를확대하여 2020년까지매출액 1,000억원을달성하겠다고밝혔으며, GS리테일과함께다음달서울신촌에 660m2 ( 약 200평 ) 규모의 VR 테마파크인 브라이트 (VRIGHT) 를개관하여총싸움게임등 50 여종의 VR 콘텐츠를즐길수있게할계획이다. 또다른한편으로실감콘텐츠개발도꾸준히증가하고있다. 실제로 VR 관련전시회, 컨퍼런스, 개발자대회등의다양한행사들을경험해볼수있는 서울 VR 페스티벌 이개최되었으며, VR 콘텐츠상설전시및체험을할수있는전용관을구축함으로써글로벌수출기반을마련하였다. 또한, 평창올림픽을계기로하여동계스포츠관련체험이가능한가상현실게임을개발하고체험존을운영하여일반인들이평창동계올림픽을가상체험할수있는기회를제공하였으며 가상현실전문펀드 를조성하여 VR 게임, 테마파크, 교육분야등기술과콘텐츠중소벤처기업에대한투자를지원하고있다. 그러나실감형콘텐츠제작기업은대부분매우영세한경우가대부분이어서꾸준한지원이필요한상황이다. 3. 맞춤형교육 맞춤형교육부분에서최근주류를이루고있는 ICT 기술은단연 AI 기술이다. 즉, 인공지능기술을활용하여사용자의현재상황과능력수준을파악하고이를응용하여사용자에게적합한콘텐츠를학습하도록함으로써학습효과를배가시키도록한다는것이다. 최근자동화와인공지능발달에따라, 대규모직업기술재교육을위한투자가이루어질것으로예상하며, 26

29 ICT 신기술 2025년까지 300억달러규모의시장이될것으로전망되고있다. MOOCs는콘텐츠와다양한교육과정들을상업화함으로써 2025년까지 400억달러규모로성장할것으로전망되고있으며, 학생들의교육데이터분석을통한개인맞춤형교육시장은 2025년에 400억달러규모로성장할전망이다. 그러나우리나라의맞춤형교육을위한인공지능기술은아직은초보단계라고판단된다. 우리의인공지능분야기술수준은 2016년기준미국 (100 기준 ) 의 73.9 수준으로, 2.2년의기술격차를보이고있다 [15]. 더욱큰문제는이러한인공지능기술을활용하여개인데이터를분석해야하는데, 이를위한학습데이터가절대적으로부족하다는것이며, 이로인해서양질의맞춤형교육서비스가어려운상황이다. 이러한데이터부족현상의주요한원인중하나가우리나라교육의폐쇄성에있다고필자는판단한다. 그동안우리나라교육계에 ICT 기술이쉽게접근하여융합되기어려웠던이유도이러한폐쇄성에있었으며, 이러한문제점들은최근신세대교사 / 교수들에의해깨지고있으며이로인해최근소셜러닝 (Social Learning) 개념이이슈화되고있다. 소셜러닝은소셜미디어를기반으로타인과의상호작용을통해이루어지는학습을말한다. 최근기준으로 90% 이상이소셜미디어를사용하며, 다양한소셜네트워크플랫폼을사용해소통하고정보를공유하는밀레니엄세대들이직장에들어가면서전통적인훈련방식을통한교육보다, 소셜러닝에대한수요가높아지고있는것이다. 최근 Brandon Hall Group 이실시한교육훈련기업을대상으로한설문결과, 교육훈련현장에서가장자주활용되는기술은 모바일과소셜 협력툴 이었으며, 세부적으로는모바일 (43%), 소셜 / 협력툴 (43%), 데이터분석 (36%), 가상교실 (29%), 콘텐츠관리 (28%) 로나타났다. 대표적인소셜러닝플랫폼으로는학교에서교사와학생의커뮤니케이션을돕는 Edmono, 소셜러닝으로는스스로수학문제에대한해답을찾아낼수있는 수학바로풀기, 학급SNS 애플리케이션 클래스팅 등이있다. 이러한소셜러닝서비스들이활성화됨에따라다양하고방대한양의학습관련데이터들이수집될것으로기대되며이는양질의맞춤형교육서비스로이어질것으로기대된다. IV. 결론 지금까지국내외의에듀테크기술동향에대해살펴보았다. 기존이러닝방식에 AR/VR, 인 공지능, IoT 등의많은첨단에듀테크기술들이융합되어교육에활용되고있다. 이는단순히 정보통신기술진흥센터 27

30 주간기술동향 기술을기존교육에지원하는접근방식이아니라기술을통해새로운학습경험을만들고이를새로운사업으로이어지도록하고사용자에게는더욱몰입적이고효율적으로학습이이루어지도록하였다는점에서에듀테크의기본개념은기존교육에대한혁신이라고생각된다. 전통적이러닝시장은점진적으로축소되고있는반면에에듀테크시장은점진적으로확대되고있다. 최근에듀테크시장을분석한자료들을보면 2020년시장규모가 2,520억달러 (EdutechXGlobal), 1,290억파운드 ( 런던 & 파트너스 ) 가될것으로전망되고있다. 또한, 앞으로기술개발의여지가무수히남아있는분야이기도하고이에부응하여최근몇년동안에듀테크에대한투자는매우활발하게진행되고있는것으로조사되었다. 그러나교육분야만큼투자효과를바로누리기어려운분야도없다. 더욱이 2017년의경우영국의 EU 탈퇴나중국의경제성장둔화등어려운세계경제상황으로인해전세계적으로투자가줄어들고있는것처럼보인다. 반면에이러한현상에대한투자기업들이기존투자에대한실질적인실적을따져보고숨고르기를하고있다는의견도존재하고있다. 우리나라도정부-기업-연구기관들이서로원활히협력하여더욱안정되고활용도높은기술개발을진행함과동시에교육계도열린교육형태로데이터들을공유하고적극적인신기술도입을진행하여미래교육에빨리다가갈수있기를바란다. [ 참고문헌 ] [1] 게임메카 (Game Meca), 기사 [2] 한국콘텐츠진흥원, 글로벌게임산업트렌드, [3] KATS, 교육기술전망과표준화방향, [4] 중소기업기술정보진흥원, 중소. 중견기업기술로드맵 , [5] 휴넷, 한국에듀테크스타트업사례분석, [6] The Edtech World, Introducing the Top 8 EdTe Trends for 2018, [7] International business Times, Facebook Patents AR Glasses: 4 Ways The Device May Change Communication, [8] Daily Mail, Facebook patent reveals the AR glasses Mark Zuckerberg hopes will take on Apple and Snapchat, [9] Wareable, Facebook's AR glasses patent shows it's taking augmented reality seriously, [10] Daily Mail, Apple s augmented reality glasses revealed in patent that shows they could be controlled by a finger hovering over the lens, [11] Tech Radat, Apple AR glasses release date, news and rumors, [12] 삼정KPMG경제연구원, 4차산업혁명과초연결사회, 변화할미래산업, [13] 이러닝진흥위원회, 제3차이러닝산업발전및이러닝활용촉진기본계획, [14] 한국과학창의재단, 미래사회변화대응과학기술인재육성방안연구, [15] IIT.Kita.net, 우리기업의인공지능 (AI) 을활용한비즈니스모델, [16] Digital Insight, 중국의 VR 기술, 어디에와있는가?,

31 최신 ICT 이슈 최신 ICT 이슈 * I. ICT 기술과브랜딩전략이낳은미래형헬스장, 식스패드스테이션 브랜딩개발전문기업 MTG가오픈한 식스패드스테이션 은전기근육자극 (EMS) 기기, AR 기술등을결합하여 15분운동으로 90분운동효과를낼수있게해주는미래형헬스장임. 일본의숨겨진유니콘기업인 MTG는크리에이티브를기반으로기술, 브랜딩, 마케팅을결합하는데핵심역량이있으며, 디자인씽킹과개방적인기술제휴를통해소비자와시장의요구에맞는제품과서비스를빠르게런칭함으로써성공스토리를이어가고있음 근육에전기자극을통해전신근력운동을 15분만에끝내준다는 식스패드스테이션 (SIXPAD STATION) 이미래형트레이닝센터로주목받고있음 힘이많이들고오랜시간동안꾸준한운동을요구하기때문에헬스장에다니는것은작심 3일의대표적인사례중하나임 식스패드스테이션은 IoT와 AI 기술을이용하여헬스가힘들고어렵다는고정관념을뒤집으려는시도로, 편리하고빠른근력운동효과를제시하고있음 식스패드스테이션은가정용 EMS(Electrical Muscle Stimulation, 전기적근육자극 ) 기기를제조하는일본의 MTG가전개하는새로운사업으로, MTG의 EMS 기기 식스패드 는세계적인축구스타크리스티아누호날두가개발에참여한것으로유명 MTG의제품은일본의스포츠과학연구가인모리타니토시오교수가제시한, 인간 < 자료 > MTG [ 그림 1] MTG의가정용 EMS 기기식스패드 * 본내용과관련된사항은산업분석팀 ( ) 과최신ICT동향컬럼리스트박종훈집필위원 (soma0722@naver.com ) 에게문의하시기바랍니다. ** 본내용은필자의주관적인의견이며 IITP의공식적인입장이아님을밝힙니다. 정보통신기술진흥센터 29

32 주간기술동향 의근육발달트레이닝에가장효과적인주파수는 20Hz 라는이론을토대로개발되었음 식스패드스테이션에서는사람의대표적인 9개근육에대응하는웨어러블형 EMS 장비를장착한상태에서디지털거울에나타나는지시나조언을참고하여운동하게되는데, 보통 90분정도소요되는전신근력트레이닝을 15분에끝낼수있다고함 새로운컨셉의트레이닝센터구현을뒷받침하고있는것은무선통신, 2차전지, 동작인식센서, AR( 증강현실 ) 등 ICT 기술임 식스패드스테이션은 1 전신을덮는 EMS 기기인 EMS 풀바디수트, 2 운동하는사람의상에겹쳐트레이닝정보등을표시해주는 디지털트레이닝미러, 3 이장비들을관리 제어하는 컨트롤타워 의세가지요소로구성됨 EMS 장비는무선통신과 2차전지기술, 디지털미러는모션센서와 AR 기술을응용한장치를탑재하는데, MTG는생산설비 를갖추지않은팹리스 (fab-less) 이지만이러한기기의설계와디자인은직접담당하였음 < 자료 > MTG [ 그림 2] 식스패드스테이션의 3가지구성요소 식스패드스테이션은세계유일의 EMS 헬스장임을강조하고있으며, EMS로근육에전기자극을하며스쿼트등을함으로써단시간에강도높은훈련효과를내는것이특징 EMS는전원만켜면아무것도하지않아도근육이움직인다는간편함으로주목받는트레이닝기구지만, 식스패드스테이션은전기자극을받으면서트레이닝을실시하기때문에일반트레이닝보다부하가약간높은편이라고함 EMS 풀바디수트는상하세트로어깨에서허벅지까지덮게되며, 전류를흐르게하기위한전극이 18 곳에배치되어각각몸의 9 < 자료 > ITmedia [ 그림 3] 풀바디수트에내장된 18 개전극 30

33 최신 ICT 이슈 개부위의근육을담당하며, 수가많기는하지만심장에영향이없도록배치하고있음 풀바디수트는조임이있고, 무게도 1kg을초과하기때문에사람에따라서는약간무겁게느낄수도있으며, 수트안에는얇은속옷만입는것이좋음 컨트롤타워와풀바디수트는블루투스로연결되어있으며, 트레이너는컨트롤타워의화면을터치하여트레이닝의부하, 즉전류의강도를자유자재로바꿀수있고, 트레이닝종료시에는자세의정확성등이거울에 100점만점으로점수화하여표시됨 사용자의트레이닝의강도와점수데이터정보는클라우드에저장되어다음번트레이닝시에곧바로호출되기때문에, 언제어디서든트레이닝상황을파악할수있음 클라우드에정보가저장되기때문에만일트레이너가바뀌었다하더라도즉시지금까지의트레이닝상황을바로파악할수있으며, MTG가식스패드스테이션의글로벌사업을전개하고있으므로전세계지점어느곳에서든정보를불러올수있는것임 근육의두께를측정하는기능도있는데, 초음파검사와비슷하게진행되며시간은채 1분이걸리지않으며, 근육과그위의피하지방의상태를보여줌 디지털미러는내장센서를이용하여거울에비친훈련자의모습을토대로골격을분석하며, 스쿼트를한다면허리를어느정도까지낮추면좋은지등정확한폼을유지하기위해필요한정보를 AR과유사하게훈련자의모습위로중첩하여표시해줌 헬스를처음하는사람들은자신이하고있는동작이제대로된것인지잘몰라걱정하는경우가많은데, 올바른포즈를거 < 자료 > ITmedia [ 그림 4] AR 정보를보여주는디지털미러 울에나타냄으로써이런우려를해소하는것이며, 그외에도디지털미러에는트레이닝시간과현재단련부위등의정보도표시됨 트레이닝은총 5개프로그램으로구성되어있으며, 각프로그램은 3분정도씩이고프로그램사이에 30초의휴식시간이있으며수분도보충할수있음 식스패드스테이션에는트레이닝후 젠룸 (Zen Room) 에서호흡을가다듬고명상을할수있는옵션을두고있는데, 이는 15분간트레이닝으로 90분의운동효과를내기때문에흥분상태에있는신체를부교감신경우위상태로재설정하기위한것임 정보통신기술진흥센터 31

34 주간기술동향 식스패드스테이션은 15분 1회이용료가 8,000엔으로다소높은편이지만, 식스패드제품자체의판매가격이 12만 6,300엔으로상당한고가의제품임 MTG는브랜드개발에강점이있는기업으로, 독자적인자체기술보다는파트너십을통해아이디어를신속하고완성도있게상품및서비스화하는데강점이있는기업임 얼굴롤러제품 리파 (ReFa), 자세교정의자 스타일 (Style), 워터서버제품 키라라 (Kirala) 등지금까지주로미용 생활건강관련제품을판매해온 MTG가헬스장사업에진출하게된결정적인계기는직원의아이디어였다고함 MTG의자회사소속으로스포츠클럽의이벤트등에서 MTG 제품의판매를담당하던한직원은트레이닝센터운영에흥미를느끼던차에 2016년경식스패드와헬스장의융합이라는아이디어를내놓았음 물론, 아이디어를내놓았다고해서그것이곧장제품이나서비스로구현되는것은결코쉽지않은일이나, MTG가다른기업에비해차별화된역량으로내세우고있는것은세상에나와있는아이디어와기술을 인큐베이션 하여구체화하는능력임 팹리스인 MTG가이러한강점을발휘하기위해중점을두고있는것이제조등기술적지원을담당해주는외부기업과의파트너십임 MTG는자체기술보유에얽매이지않으며, 제조업체이기는하지만상품개발보다는 브랜드개발 에보다집중하고있는데, 새로운브랜드를출시하여그브랜드이미지를구축하고제품을통해브랜드를확산하는사업모델을견지하고있음 MTG의개발스타일에서또하나의특징적인것은 디자인씽킹접근법 (desing thinking approach) 으로개발순서에나름의규칙을따르고있음 우선첫단계에서는사용자를상정하고어떤상품이팔릴것인지를생각하며제품의디자인에주력하는데, 이는최근에디자인씽킹이유행하면서도입한기법은아니고브랜드개발을중시해온결과로서오래전부터이런접근방식을견지해왔다고함 식스패드스테이션의경우, 맨손으로 OK인가까운미래의체육관 을컨셉으로하고, 블랙과오렌지를테마컬러로삼은스튜디오의디자인과그에걸맞은장비의외관, EMS 전신수트에탑재되는무선통신기능과 2차전지구동등의사양을결정해나갔음 MTG는자신들이원천기술을보유하고있는것이아니어서스스로를 아마추어집단 이라생각하고있으며, 그래서 지금가능한것 에서부터시작한다는입장임 32

35 최신 ICT 이슈 컨셉에따라설계도를그리고파트너기업등에구현이가능한지여부를물어보는데, 새로운도전이었던체육관비즈니스도이원칙을따랐다고함 한편, 기술기업과의제휴에서중요시하는것은파트너기업에만맡기지않고가능한자신들도정보를수집해실현방법을제안하는등커뮤니케이션을밀도있게해나가는것임 이번에개발한장비도헬스장관리책임자까지개발단계에서웨어러블의소재연구에참여하는등관계자모두가적극적으로개발에관여하는체제를구축하고있음 가령, 식스패드스테이션에도입한디지털트레이닝미러도, 이미유럽등에존재하는업무용 EMS 기기를사용한헬스장과어떻게차별화할것인가를모색한결과나온아이디어를구현한것임 일본의피트니스인구는전체인구의약 3% 로미국과유럽에비해적은데, 그원인은 재미가없다 는것으로분석되고있었기때문에, MTG는트레이닝이재미있다고느끼게해주는인터랙티브기술이없는지탐색하였음 VR( 가상현실 ) 기술등도검토했지만, HMD( 헤드마운트디스플레이 ) 를장착한상태에서트레이닝을하는것은안정성에문제가있어, 대신일부호텔의프런트에서사용하는미러디스플레이에눈길을돌렸다고함 헬스장에는꼭거울이있는데, 트레이너는구두로설명하고거울에정보를표시할수있다면훨씬신비함을줄수있을것으로판단했는데, 디지털미러는운동자자신의모습위에근육모양을보여주거나따라해야할자세등을표시해줌 디지털미러는벽면거울에내장하는형태와스탠드얼론으로별도설치하는형태의두가지디자인을채택하였으며, 특히스탠드얼론형의경우거울케이스뒷면에미래적인느낌을주는유기적라인에천착하였음 MTG는이전에도신규사업에진출하여성공한경험들이많은데, 그대표적인예가얼굴롤러인 리파 (ReFa) 시리즈임 이제품은 2~3만엔의고가임에도불구하고마사지가쉽고얼굴을작게만드는효과가있다고알려져크게유행했으며, MTG를건강 미용업계의유명기업으로단숨에끌어올린간판제품임 2009년 2월 ~2017년 6월까지누계판매량 700만대를기록했으며, 출시후 10년이채안된기간에수천억엔대의매출을달성하였음 정보통신기술진흥센터 33

36 주간기술동향 MTG는리파를출시하기전부터게르마늄얼짱롤러등으로어느정도인기를얻고있었는데, 주요타깃인중년여성의얼굴은근육의쇠약, 콜라겐과히알루론산등피부안쪽의보습성분감소로인해림프액이고여붓고처지기쉽다는점에착안하였음 마사지는이러한부종에즉각효과가있어쉽게마사지할수있는얼짱롤러가인기가모으게된것인데, 리파는이를보다발전시킨제품임 < 자료 > MTG [ 그림 5] MTG의얼굴롤러 ReFa 시리즈 가령, 일반적인게르마늄롤러와같은간격을 I 자형이아니라끝에 2개의롤러를장착한 Y자형을채택했는데, 안면을구르는 2개의롤러에얼굴살이살짝끼면서확실한압력이가해지기때문에림프액을효율적으로배출시킬수있게한것임 이러한기술적연구뿐만아니라광채가나는외관디자인으로고급스러움을연출하는동시에그래미와아카데미시상식에운영되는, 소위유명인사에대한홍보의장인 공식선물라운지 에전시를하여 연예인사용제품 이라는이미지를구축하였음 이런바탕위에일부러높은가격을설정함으로써소비자의선망수요를부추기는마케팅을펼쳤고결과적으로주효하였음 식스패드스테이션역시리파와마찬가지로차별화와독창적인브랜드개발을핵심전략으로하고있으며, 글로벌사업전개를위해 2018년 3월 SXSW 2018에도참가하였음 MTG가리파와동일한프로세스로가정용 EMS 장비인식스패드를개발한다음눈을돌린곳이서비스가제공되는미래형헬스장으로, 우선일본내에서 500개매장의개설을목표로하고있음 다른기업이운영하는스포츠클럽등에서장비제공을해달라는요구도있지만, MTG 세계 를만들고자하는열망이있어 MTG 브랜드의확립에주력하고있음 < 자료 > bouncy [ 그림 6] SXSW 2018 식스패드스테이션부스 34

37 최신 ICT 이슈 글로벌사업도전개하고있는데, 헬스장공개에앞서 2018년 3월에는영상과음악, 디지털인터랙티브를주제로텍사스주오스틴에서매년열리는전시회 South by Southwest 2018(SXSW 2018) Trade Show 에참가한바있음 피트니스업계의전시회는보통내수시장을겨냥하고, 게다가소프트웨어개발이일반적이고하드웨어개발은드물기때문에, 피트니스업계가아닌기술업계의유명글로벌전시회를겨냥한것임 결과는성공적이어서작은부스에방문객이끊이지않았으며, 유명트레이너등으로부터프랜차이즈및투자제안이잇따르며자신감을얻었고, 1호점을개장하면서향후목표로글로벌 5,000개매장이라는목표를내걸게되었음 MTG의성장스토리는기술자체보다는기술이크리에이티브와브랜딩과결합하여신속하게시장에대응했을때엄청난성공스토리가만들어질수있음을다시확인시켜주고있음 MTG는크리에이티브, 기술, 브랜딩, 마케팅의 4가지요소를융합시켜혁신적인브랜드를창출하는 브랜드개발기업 으로기술적인부분은파트너와제휴를맺고있으나기술에대한자체연구에도상당한노력과투자를아끼지않고있음 산 관 학공동연구및다른기업과의공동개발에적극적으로참여하여미용, 웰니스영역에서고객의마음을사로잡는브랜드와기술제품을연이어만들어내며, 활발하게글로벌사업을전개해나가고있음 MTG는일본에서는몇안되는비상장대기업이었으며시가총액이 10억달러를돌파하는 유니콘기업 으로간주되어왔었는데, 2018년 7월 10일도쿄증권거래소에신규상장되었고시가총액은 2,000억엔이상임 기술기업의관점에서본다면자체기술로직접브랜드와서비스를개발하는것이최선이겠으나, MTG와같은기업과의파트너십체결도성공적인성장경로가될수있을것임 [ 참고문헌 ] [1] xtech, 手ぶらOKの近未来型ジムをSIXPADの会社が作れたワケ, [2] RBB Today, SIXPADから生まれたEMSフルボディスーツを装着! 代官山に登場した近未来ジムではどんなトレーニングができるのか, [3] Bdaily, Fitness Technology Launch - SIXPAD, [4] Mirror, Shock yourself slim: How getting electrocuted for the sake of fitness has become the latest tech trend, 정보통신기술진흥센터 35

38 주간기술동향 II. 다음에쓸문장을자동으로알려주는 G 메일의새로운 AI 기능 구글은최근지메일 (Gmail) 의기능을대폭업그레이드했는데, 7월부터정식제공중인 AI( 인공지능 ) 가다음에쓸문장을제안해주는 스마트컴포즈 (Smart Compose) 가대표적 사용자가메일을쓰기시작하면 AI가연속적으로문구를생성해주므로, AI가제안한문장이의도와부합한다면쓰기시작하는것만으로문장을완결할수있어메일작성시간을크게단축시킬수있음 스마트컴포즈는이번일반공개에앞서 2017년부터시험버전으로공개된바있으며, 사용법은간단해서지메일작성화면에서문자를입력하면 AI가알아서문구를생성 가령, How 를입력하면 AI는 How are you doing? 이라는문장을생성하는데, AI가제시하는문구 ( 이경우 are you doing? 부분 ) 는회색으로표시되며탭을누르면검은색으로바뀌며문장이확정됨 사용자들의평은대체로기대했던것이상 < 자료 > How-To Geek [ 그림 1] 지메일스마트컴포즈기능 으로편리하다는것인데, 메일을쓰고나면 AI가생성한문장들이메일의대부분을차지하고있음을알수있다는것임 상대방이름은 AI가이메일주소를보고유추해생성하며, 작성자의주소등의문구는 AI가사용자의개인정보를파악하여자동으로삽입하는데, 개인에따라불편한감정이들수도있지만이는편리함을얻기위해지불해야하는대가임 메일의인사말워딩은아주다양하지만, AI는이런다양성을학습하여사용자의의도가명확히판별되는시점에서문장을완성하여제시함 AI는다양한인사말서식을학습하고있는데, 가령 Hope 를입력하면이어서 all is well with you 라는문장을생성함 이문구가아닌다른표현을쓰고자하는경우에는탭을누르지않고계속쓰면되는데, Hope e 까지타이핑을하면 AI는 everything is going well with you 라는문장을생성하며, Hope w 로타이핑하면 work is going well 을생성함 즉, 쓰고싶은문장에대한힌트만입력하면 AI가그문장을완결해준다는것으로인사말의변화는다양하지만스마트컴포즈는이런다양성에도충분히대응하고있음 36

39 최신 ICT 이슈 스마트컴포즈의 AI가어느정도서식이정해진인사말과맺음말부분만작성하는것은아니며, 메일에서가장중요한중간부문의문장도생성함 본문도글을쓰기시작하면 AI가의미를헤아려그다음에나오는단어를생성하는것은동일하지만, 조금복잡한내용의메일이되면 AI가생성해주는부분은적어짐 따라서스마트컴포즈의기능은아직제한적이라할수있으며, 이를보완하여 AI가작성할수있는내용의범위를넓혀가는것이다음목표가될것으로보임 < 자료 > Fast Company [ 그림 2] 스마트컴포즈의인사말생성 스마트컴포즈를뒷받침하고있는 AI는알고리즘학습을거듭하여메일생성능력을습득하는데, 이 AI는 언어생성모델 (Language Generation Model) 이라고불림 언어생성모델은입력된문자열에서다음단어를예측하는것으로, 일반적으로 시퀀스- 투-시퀀스 (Sequence to Sequence: Seq2Seq) 모델 로분류됨 지메일은언어생성모델로 회귀신경망-언어모델 (Recurrent Neural Network-Language Model: RNN-LM) 을사용하며, 동시에단어들의분포를보고서문서의유형을판단하는 단어가방신경망 (Neural Bag of Words: BoW) 기법을사용함 RNN-LM은 RNN( 시간에종속적인신경망 ) 기반의언어모델로언어생성의단골기법인데, 구글의번역서비스인 구글신경망기계번역 (Google Neural Machine Translation) 에서 RNN-LM을사용하고있음 RNN-LM은 Encoder( 인코더, 단어를부합하여응축 ) 과정과 Decoder( 디코더, 부호에서단어를생성 ) 과정으로구성되며, 번역모델에서는어떤언어를인코더에입력하면디코더가다른언어로번역해주는식으로작동함 지메일이 RNN-LM과 BoW를동시에사용하는것은예측정확도와처리시간단축사이의균형점을찾아적절한서비스를제공하기위해서임 지메일에 RNN-LM 을적용하면알고리즘이이메일의문장을생성하는데, 이때인코더에 정보통신기술진흥센터 37

40 주간기술동향 입력되는것은메일제목과수신메일 ( 회신메일을쓸경우 ) 이며, 디코더는이용자가이메일을작성함에따라이어지는문구를생성하게됨 RNN-LM은예측정확도는높지만대규모연산이발생하기때문에응답이나오기까지시간이걸리는데, 이용자가타이핑할때마다다음문구를생성해야한다면 RNN-LM을서비스에사용할수는없음 이때문에지메일은 RNN-LM과 BoW를함께사용하는데, BoW도언어모델의하나로말의순서에서다음에나타나는단어를예측함 BoW에서단어는위치정보를포함하는벡터로표현되며 워드임베딩 (Word Embedding) 이라고도하는데, 지메일은메일제목과수신메일을인코딩할때이워드임베딩을사용함 RNN-LM의디코딩의각단계에서워드임베딩을입력하면디코더가텍스트를생성하는데, 가령 How 를입력하면 RNN-LM은 are you doing? 이라는문장을생성함 < 자료 > Google [ 그림 3] 스마트컴포즈 AI 의언어생성모델인 RNN-LM 이처럼 RNN-LM의인코딩부분에가벼운 BoW를사용함으로써지메일은후속문장생성연산으로인해발생하는지연시간을단축하는데성공했음 지메일의스마트컴포즈는기존문장자동완성서비스에비해지능적이고, 앞으로도계속기능이보강될예정이어서이용이점차확산될것으로예상됨 마이크로소프트아웃룩에서도메일을작성하거나워드에서글을쓸때창에문장후보가제시되기는하며, 이를잘사용하면문장을효율적으로쓸수있음 그러나이기능은언어입력변환의경우, 즉한글을영어로변환하는경우에사용할수있는문자변환기능이어서이용범위가제한되며, 무엇보다변환의정확도가낮아실망스러운경우가적지않음 38

41 최신 ICT 이슈 이에비해지메일의스마트컴포즈는입력된문자나단어에반응하여이어지는문장을생성해주는것이므로보다지능형기능이라부를만함 스마트컴포즈는이제막선보인기능으로앞으로도계속보완되어갈것이며, 구글에따르면현재이용자의문체로문장을생성하는알고리즘이개발되고있다고함 [ 참고문헌 ] [1] How-To Geek, 7. 1, [2] Entrepreneur, 7. 3, III. 오픈 AI, 위화감없이두얼굴을합성해주는 글로우 기술발표 인공지능관련비영리연구기관으로설립된 오픈AI(OpenAI) 는위화감없이두얼굴사진을합성할수있는기술인 Glow( 글로우 ) 를발표 오픈AI의연구원인프라풀라다리왈과더크킹마에의해개발된글로우는 가역 1 1 중첩 (invertible 1x1 convolutions) 기술을이용하는이미지생성인공지능임 글로우는두사진을합성할뿐더러합성의정도를조절할수있는데, 가령왼쪽입력창에천체물리학자닐디그래스타이슨의얼굴을넣고, 오른쪽입력창에여배우라시다리존스의얼굴을넣은뒤어느쪽을많이반영할것인지조작할수있음 합성창의 MIX 버튼위치를중앙위치로설정하면두사진이미지를균일하게합성하게 < 자료 > OpenAI Blog [ 그림 1] 글로우를이용한두사진의다양한합성 정보통신기술진흥센터 39

42 주간기술동향 되며, 결과는실재인물일것같은자연스러운남성의얼굴이생성됨 MIX 조절버튼을왼쪽으로옮기게되면결과값은왼쪽입력창에있는디그래스타이슨의특징이더강하게반영되지만, 이역시 MIX가중앙일때나온것과마찬가지로상당히자연스러운느낌을줌 MIX 조절버튼을오른쪽으로옮기면당연히리존스의얼굴특징이더많이반영되며, 결과값은약간중성적느낌이나는여성의사진을생성함 오픈AI는글로우를 더나은가역적생성모델 (better reversible generative model) 이라설명하고있는데, 이는한쪽이미지와다른한쪽의이미지사이를쉽게오가며다양한합성이미지를생성할수있다는뜻을담고있음 글로우는얼굴사진의합성외에도사진에 나이, 수염, 미소 등의속성을추가하여이미지를자연스럽게변화시키는기능도제공함 글로우는학습한이미지를토대로자동으로레이블을붙일수있는것도특징인데, 데모용으로준비된 3만명의얼굴사진을학습시키면자동으로 미소, 나이, 가는눈, 금발, 수염 등의레이블을설정함 자동으로설정된레이블은나중에자유롭게조작할수있으며, 새로입력된이미지에속성변화를추가할수있음 가령, 왼쪽입력창에유명 AI 연구자인제프리힌튼의얼굴사진을세팅하고, 웃음-나이-금발-턱수염 등의속성값을최대로하고, 가는눈 속성값을최소로하면 ( 눈크게뜨기설정 ), 오른쪽의출력창에설정을반영한변경된사진이생성됨 수염이검은것이약간의위화감을주기는하지만, 실재한다고해도이상하지않은남성의얼굴이생성되며 AI가독자적으로판단해만들어낸것같은느낌은주지않음 < 자료 > Fast Company [ 그림 2] 얼굴속성값의변화 오픈 AI 는글로우를깃허브 (GitHub) 에공개해누구나자유롭게사용해보도록하고있음 글로우를동작시키기위해서는기계학습오픈소스라이브러리인텐서플로우 (Tensor 40

43 최신 ICT 이슈 Flow) 와우버가만든텐서플로우용오픈소스분산딥러닝프레임워크인호로보드 (Horovod) 가필요하며, 구체적인조작방법등은글로우문서에설명되어있으며, 문서는 에서다운로드받을수있음 두연구원은한사진에서다른사진으로넘어가는도중의변환이미지완성도에대해 부자연스러운합성이보인다 며, 보다자연스러운변화를주기위해자동회귀모형 (autoregressive model) 과 VAE 기법을사용해개선하고싶다는뜻을밝히고있음 VAE(Variational Autoencode, 변동자동인코딩 ) 는딥러닝모델중하나로, 학습데이터를바탕으로그특징을파악하여학습한데이터세트와비슷한데이터를생성할수있음 [ 참고문헌 ] [1] OpenAI, 7. 9, [2] Sohu, 7. 10, IV. AI 에의해출현한불완전한것을완벽하게만드는기술들 * 2014년구글브레인의이안굿펠로우가발표한 GAN(Generative Adversarial Network, 생성적적대신경망 ) 기술에의해이제불완전한것들이완전해질수있는기회를가지게됨 GAN 기술은진짜같은가짜를만드는모델과이에대한가짜 진짜를판단하는모델을서로경쟁시켜진짜같은가짜를만드는기술로알려져있음 2017년 8월워싱턴대에서만든오바마가짜연설영상으로세계적으로알려지게되었으며, 영화에서식별하지못하는저해상도 CCTV 사진을고해상도로변환하는장면처럼현실에서도가능하게되었음 최근페이스북이개발한 ExGAN 역시 GAN 기술에근간을두고있으며, 이기술을통해눈을감은사진을눈을뜬사진으로변화시킬수있게되었음 일명리얼아이오프너 (Real Eye Opener) 라는명칭으로 GAN 기술을활용하여진짜같은눈을만들어눈을감은사진에그럴듯하게합성시켜완벽하게눈을뜬얼굴을완성할수있는데, 특정장소나다시찍을수없는곳에서찍은인물사진이눈을감고있고, 페이스북에올려야만자동보정하는서비스가가능하게된다면, 페이스북에대한고객 * 본내용과관련된사항은산업분석팀 ( ) 과최신 ICT 동향컬럼리스트김범수집필위원 (baemsu@gmail.com ) 에게문의하시기바랍니다. 정보통신기술진흥센터 41

44 주간기술동향 [ 그림 1] 페이스북의리얼아이오프너기술충성도는더욱강화될것으로예상됨 자율주행차기술로유명한앤비디아역시 2017년에현실에없는완벽한가짜연예인사진을만드는데 GAN 기술을활용했으며, 최근에는일반동영상을슈퍼슬로모션으로변환시키는인공지능슬로모션전환솔루션을개발하였음 일반동영상은프레임이한정되어있어슈퍼슬로모션으로바꾸기위해프레임과프레임사이의복원이필요한데, 이복원을인공지능을통해복원하여자연스럽게연결되는슬로모션화면을구현할수있게된것임 [ 그림 2] 엔비디아의슈퍼슬로모션기술 MIT에서개발한 RF-포즈 (RF-Pose) 라는인공지능기술은벽뒤에서움직이는사람으로부터나오는미세한 RF 신호를수평과수직으로측정및조합하여전체움직임을인공지능으로해석한후그의동작을예측 / 재현하는기술임 어두운곳에서도인간으로부터 RF 신호가나오기때문에그의움직임을예측 / 재현하는것이가능하므로, 영화에서흔히나오는적외선카메라로건물벽뒤나어둠을볼수있는군사용혹은스파이용으로활용이가능하며, 민간용으로는자율주행차의비전시스템에장착된다면건물뒤에서갑자기튀어나오는물체를예측하여사전에충돌사고를예방할수있는기술로활용할수있음 42

45 최신 ICT 이슈 [ 그림 3] MIT 에서개발한 RF- 포즈기술 인공지능을활용하여불완전체를완전하게만드는기술은이제시작단계에있으나, 긍정적인면과부정적인면을동시에갖고있음 고대물건중불완전한명화, 조각상등망가진반쪽고대유물역시인공지능에의해완벽히재현가능한것이며, 조각조각불완전한범죄의증거 ( 예 ; CCTV 동영상및사진 ) 를완벽하게재현하여범인을정확히밝혀낼수도있고, 과거멸종동물의불완전한 DNA을완성시키는것역시인공지능이이를대신할것으로예상됨 그러나 GAN 기술이인류에게새로운기회를가져다줄수도있지만, 가짜뉴스, 가짜사진, 가짜영상등이진짜처럼만들어져유포된다면, 이역시인류에게위협적인존재가될수도있음을함께고려해야함 [ 참고문헌 ] [1] - GAN기술에의한오바마가짜연설 [2] - 페이스북리얼아이오프너 [3] - 엔비디아일반동영상을슈퍼슬로모션으로변환하는기술 [4] - MIT의 RF 포즈 정보통신기술진흥센터 43

46 주간기술동향원고공모 정보통신기술진흥센터는주간기술동향의 ICT 기획시리즈에게재할 인공지능 (AI) 분야 원고를모집하고있습니다. 관심있는산 학 연전문가여러분들의많은참여를바랍니다. 원고주제 : 인공지능 (AI) 관련기술 시장 정책동향 ( 제목및목차는저자자율결정 ) 제출자격 : 대학, 연구기관, 산업체의정보통신분야재직자 (5 년이상 ) 접수기간 : 수시접수 (2018 년 7 월 1 일 ~9 월 30 일까지 ) 제출처 : 주간기술동향원고접수메일 (wttrends@iitp.kr) 로제출 원고양식 : 파일참조 ( 원고양식 ) 원고분량 : 13 페이지내외 기타 - 게재원고에대하여소정의원고료지급 (200자원고지 7,000원 /1매, 최고 20만원 ~40만원, 지급대상별상한액적용 ) - 기획시리즈칼럼은매주 1편씩발간 - 원고제출시반드시원고심의의뢰서 ( 첨부파일참조 ) 를함께제출하여주시기바랍니다. - 게재된원고로인해지적재산권침해문제가발생할경우, 원고저자는원고료반환, 게시물삭제와정보통신기술진흥센터가입게될손실 비용에대한배상등의불이익을받을수있습니다. 제출및문의처 - (34054) 대전광역시유성구화암동 58-4 번지정보통신기술진흥센터 기술정책단산업분석팀주간기술동향담당 - Tel : , 8214 / Fax : / wttrends@iitp.kr

47 사업책임자: 최령 ( 기술정책단장 ) 과제책임자: 이성용 ( 산업분석팀장 ) 참여연구원: 변화성, 이재환, 이효은, 이상길, 안기찬, 김용균, 박혜영, 김우진, 전영미 ( 위촉 ) 통권 1855( ) 발행년월일 : 2018년 7월 18일발행소 : 편집인겸발행인 : 석제범등록번호 : 대전다 등록년월일 : 1985년 11월 4일인쇄인 : 승일미디어그룹 (34054) 대전광역시유성구유성대로 1548( 화암동 58-4번지 ) 전화 : (042) , 8214 팩스 : (042)

48